🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

사노피는 범용 AI 도구를 그대로 도입하는 대신 자체 데이터와 업무 흐름에 맞춘 내부 AI 생태계 ‘Concierge’를 구축해 IT, 조달, 영업 전반의 생산성과 비용 구조를 바꾸려 하고 있다.

📌 핵심 요약

• 사노피의 최고디지털책임자 에마뉘엘 프레네하르는 초기 생성형 AI 도구들이 비용 대비 가치가 낮다고 판단해 기업용 ChatGPT나 Microsoft Copilot의 광범위한 도입을 피했다.
• 그 대신 사노피는 내부 개발·호스팅 방식의 생성형 AI 동반자 ‘Concierge’를 2024년 10월 출시했고, 현재 전 세계 직원 6만 명, 전체 인력의 약 80%가 사용하고 있다.
• Concierge는 ServiceNow, Workday, 사노피 내부 정책과 조직도, SAP와 연결되는 외부 에이전트 시스템 등 다양한 데이터를 연결해 직원 업무 지원의 중심 도구로 작동한다.
• 프레네하르는 SaaS 업체별 에이전트가 서로 대화하는 방식보다 사노피의 중앙 데이터 레이크 위에서 직접 워크플로를 운영하는 전략을 선호하며, Snowflake와 Elementum AI와의 협력을 활용하고 있다.
• 사노피는 IT 요청의 최대 80%를 AI 에이전트가 자율 해결하고 조달·영업 업무도 자동화해 비용 절감과 매출 기여를 기대하지만, 직원 감축보다는 외부 벤더 비용 절감을 강조하고 있다.

🧩 주요 포인트

1. 사노피의 최고디지털책임자 에마뉘엘 프레네하르는 초기 생성형 AI 도구들이 비용 대비 가치가 낮다고 판단해 기업용 ChatGPT나 Microsoft Copilot의 광범위한 도입을 피했다.
2. 그 대신 사노피는 내부 개발·호스팅 방식의 생성형 AI 동반자 ‘Concierge’를 2024년 10월 출시했고, 현재 전 세계 직원 6만 명, 전체 인력의 약 80%가 사용하고 있다.
3. Concierge는 ServiceNow, Workday, 사노피 내부 정책과 조직도, SAP와 연결되는 외부 에이전트 시스템 등 다양한 데이터를 연결해 직원 업무 지원의 중심 도구로 작동한다.
4. 프레네하르는 SaaS 업체별 에이전트가 서로 대화하는 방식보다 사노피의 중앙 데이터 레이크 위에서 직접 워크플로를 운영하는 전략을 선호하며, Snowflake와 Elementum AI와의 협력을 활용하고 있다.
5. 사노피는 IT 요청의 최대 80%를 AI 에이전트가 자율 해결하고 조달·영업 업무도 자동화해 비용 절감과 매출 기여를 기대하지만, 직원 감축보다는 외부 벤더 비용 절감을 강조하고 있다.

🧠 상세 정리

1. 범용 AI 도구에 대한 회의에서 출발한 사노피의 전략

사노피의 AI 전략은 생성형 AI 붐 초기에 시장에서 제안되던 도구들을 그대로 받아들이지 않은 데서 출발한다. 최고디지털책임자 에마뉘엘 프레네하르는 기업용 ChatGPT 라이선스 도입을 피했고, Microsoft Copilot도 소규모 파일럿 이후 직원 전체에 널리 배포하지 않았다. 그의 판단은 보안이 강화된다는 점 외에는 공개 ChatGPT와 비교해 충분한 차별적 가치가 없고, 비용만 크게 늘 수 있다는 것이었다. 이 문제의식은 사노피가 외부 SaaS 벤더의 AI 기능을 수동적으로 소비하기보다, 회사 고유의 데이터와 업무 맥락을 중심으로 AI를 설계해야 한다는 방향으로 이어졌다.

2. 내부 AI 동반자 Concierge의 탄생과 확산

프레네하르는 호텔 프런트 데스크 직원이 지역 식당과 여행 팁을 잘 알고 손님에게 맞춤형 안내를 제공하는 모습에서 아이디어를 얻었다. 이 발상은 사노피가 자체 개발하고 내부에서 호스팅하는 생성형 AI 동반자 ‘Concierge’의 출시로 이어졌으며, 이 도구는 2024년 10월 처음 공개됐다. 현재 Concierge는 전 세계 6만 명의 직원이 사용하고 있으며, 이는 사노피 전체 인력의 약 80%에 해당한다. 사용하지 않는 직원의 상당수는 제조 현장에서 일하며 컴퓨터 앞에서 보내는 시간이 적은 인력이라고 프레네하르는 설명했다.

3. Concierge가 연결하는 데이터와 시스템

Concierge의 핵심은 사노피 내부와 외부 시스템에 흩어진 정보를 통합해 직원이 실제 업무에서 활용할 수 있게 만든다는 점이다. 이 도구는 ServiceNow와 Workday 같은 클라우드 기반 소프트웨어 제공업체의 데이터에 접근하고, 사노피 자체의 내부 정책과 조직도도 참조한다. 또한 독일 엔터프라이즈 소프트웨어 업체 SAP와 사노피 사이의 외부 에이전트 시스템을 연결하는 역할도 한다. 즉 Concierge는 단순한 챗봇이라기보다 직원이 회사의 규정, 조직, 업무 시스템, 외부 비즈니스 프로세스에 접근하는 통합 인터페이스로 설계되고 있다.

4. 벤더별 에이전트가 아닌 중앙 데이터 기반 워크플로

프레네하르가 특히 경계하는 것은 Salesforce 에이전트가 ServiceNow 에이전트와 대화하고, 다시 SAP 에이전트와 연결되는 식의 분절된 에이전트 구조다. 그는 그런 방식보다 사노피의 중앙 데이터 레이크 위에서 업무 흐름을 직접 운영하는 모델을 선호한다. 이를 위해 사노피는 Snowflake와 Elementum AI와의 협력을 활용하고 있으며, Elementum AI는 IT 지원, 공급망 관리 등 여러 업무를 자동화하는 에이전트형 AI 워크플로 오케스트레이션 플랫폼을 Snowflake의 AI 데이터 클라우드 안에 구축했다. Elementum AI의 CEO 나더 미카일도 고객에게 자사 데이터베이스를 강요하지 않고 고객 자신의 데이터를 쓰게 하는 전략이 CIO들에게 강력하게 받아들여지고 있다고 설명했다.

5. IT와 조달에서 기대하는 비용 절감 효과

사노피가 AI 에이전트 적용에서 가장 먼저 큰 효과를 기대하는 영역은 IT와 조달이다. 프레네하르는 AI 에이전트가 직원 요청의 최대 80%를 자율적으로 해결하는 것을 목표로 하고 있으며, 이것이 연간 1,000만 유로, 미화 약 1,160만 달러의 절감 효과를 낼 수 있다고 봤다. 조달 영역에서도 구매 결정을 자동화하면 수천만 달러 규모의 순이익 개선이 가능할 것으로 예상했다. 이 대목에서 사노피의 AI 전략은 단순한 생산성 보조를 넘어, 반복적인 운영 비용과 외부 의존 비용을 줄이는 재무 전략의 성격도 띠고 있다.

6. 영업팀으로 확장되는 Concierge 활용

사노피는 비용 절감뿐 아니라 매출 측면에서도 AI 활용을 확대하고 있다. 최근에는 Concierge를 영업팀에 배포하기 시작했으며, 이달 초 60명의 영업 담당자에게 관련 AI 기능을 적용했다. 이 도구는 의사와의 미팅을 준비할 때 관련 환자 이력, 마케팅 데이터, 이전 의료 전문가와의 대화에서 효과가 있었던 접근과 그렇지 않았던 접근을 정리하는 데 도움을 준다. 프레네하르는 이런 방식으로 AI를 활용하면 각 영업 담당자가 일주일에 하루 정도의 시간을 절약할 수 있다고 추산했다.

7. 회사별로 달라지는 소프트웨어와 SaaS 모델에 대한 도전

프레네하르의 장기 비전은 IT, 조달, 영업을 재구성하면서 SaaS 업체들이 제안하는 에이전트형 기능에 덜 의존하는 것이다. 그는 소프트웨어가 앞으로 훨씬 더 개별 기업에 맞춰지는 방향으로 이동할 것이라고 보고 있다. 같은 제약업계에 속하더라도 사노피의 소프트웨어와 AI 경험이 노바티스나 아스트라제네카와 비슷해서는 안 된다는 주장이다. 이는 AI 기능을 제품에 붙여 판매하고 사용자당 요금을 받는 기존 SaaS 모델에 부담을 줄 수 있으며, 기사도 월가가 SaaS 섹터를 비관적으로 보는 흐름 속에서 사노피 같은 기업의 선택이 의미를 갖는다고 설명한다.

8. 대형 AI 기업과의 협력은 유지하는 균형 전략

사노피가 SaaS 벤더의 에이전트형 AI 기능을 그대로 받아들이지 않는다고 해서 대형 AI 기업과 거리를 두는 것은 아니다. 회사는 의료 분야에 특화된 Anthropic의 Claude for Healthcare 도구를 활용하고 있으며, OpenAI 및 Formation Bio와 협력해 신약 발견 속도를 높이기 위한 AI 기반 소프트웨어도 개발하고 있다. 따라서 사노피의 전략은 외부 파트너십을 거부하는 폐쇄형 접근이 아니라, 핵심 업무 흐름과 데이터 통제권은 내부에 두고 필요한 전문 기술은 선택적으로 활용하는 방식에 가깝다. 외부 AI 역량을 쓰되, 회사의 운영 체계가 벤더의 제품 구조에 종속되지 않도록 하려는 균형이 핵심이다.

9. 직원 불안과 AI 전환의 비선형성

프레네하르는 AI에 대해 낙관적이지만, 업무 전환이 항상 직선적으로 진행된 것은 아니라고 인정했다. 사노피는 4월에 ‘디지털의 달’을 열어 Concierge를 올바르게 사용하는 방법에 대한 AI 교육을 진행했다. 동시에 기술, 은행, 보험 등 여러 산업에서 AI로 인한 일자리 대체 우려가 커지는 상황도 기사에서 함께 다뤄진다. 프레네하르는 IT와 조달의 에이전트형 AI 활용으로 생기는 절감 효과가 직원 감축이 아니라 외부 벤더 비용 절감에서 나올 것이라고 강조했다. 그는 AI를 도입하면서 직원을 줄이겠다고 말하면 조직 내부의 마찰이 커진다고 설명하며, 변화 관리의 중요성을 드러냈다.

🧾 핵심 주장 / 시사점

• 사노피 사례는 기업 AI 경쟁력이 특정 챗봇 도입 여부보다 자사 데이터, 조직 구조, 업무 흐름을 얼마나 통제하고 연결하느냐에 달려 있음을 보여준다.
• SaaS 벤더가 제공하는 범용 에이전트 기능은 편리하지만, 대기업 입장에서는 비용 구조와 데이터 주권, 업무 차별화 측면에서 한계가 있을 수 있다.
• AI 전환의 성공 조건은 자동화 목표만이 아니라 직원 교육, 불안 관리, 외부 벤더 비용 절감처럼 조직적 수용성을 높이는 실행 방식에도 달려 있다.

✅ 액션 아이템

• 사내 범용 AI 도구 대신 자체 데이터·업무흐름에 맞는 내부 개발·호스팅형 동반자를 채택할지 중앙 데이터 레이크 기반 운영 전략으로 검토한다.
• IT 요청 자동화율 80%와 조달·영업 자동화 범위를 기준으로 비용 절감 및 매출 기여 효과를 수치화해 타당성을 점검한다.
• 외부 벤더 비용 절감만 추구한다는 전제를 반영해, Snowflake 및 Elementum AI 연계 구조와 기존 SaaS 의존도 감소 효과를 정리한다.

❓ 열린 질문

• 내부 AI 동반자를 전사 80% 확산한 뒤에도 운영 리스크를 낮추는 중앙 데이터 레이크 기반 워크플로가 지속 가능한가?
• IT 요청의 최대 80% 자율 해결 환경에서 품질 편차나 예외 처리 실패를 누가 즉시 통제할 것인가?
• 사노피식으로 직원 감축을 지양하면서도 외부 벤더 비용을 줄이는 성과를 어떻게 정량적으로 판단할 것인가?